SPICED：基于突触稳态原理的无监督持续 EEG 解码框架
人工智能
2025-09-23 v1 机器学习
摘要
人类大脑通过突触稳态实现动态稳定-塑性平衡。以此生物学原理为灵感，我们提出SPICED：一种集成突触稳态机制的神经形态框架，用于无监督持续 EEG 解码，特别针对新个体持续出现且存在个体差异的实际场景。SPICED 包含一种新型突触网络，使其在持续适应期间通过三种仿生神经机制实现动态扩张：(1) 关键记忆重激活；(2) 突触巩固与(3) 突触重归一化。突触稳态机制之间的相互作用动态加强任务判别记忆痕迹，抑制有害记忆。通过将这些机制与持续学习系统集成，SPICED优先重放与新出现的个体具有强关联性的任务判别记忆痕迹，从而实现稳健的适应。同时，SPICED有效抑制长期持续学习中有害记忆重放优先级，缓解灾难性遗忘。在三个 EEG 数据集上验证后，SPICED 显示出有效性。
引用
@article{arxiv.2509.17439,
title = {SPICED: A Synaptic Homeostasis-Inspired Framework for Unsupervised Continual EEG Decoding},
author = {Yangxuan Zhou and Sha Zhao and Jiquan Wang and Haiteng Jiang and Shijian Li and Tao Li and Gang Pan},
journal= {arXiv preprint arXiv:2509.17439},
year = {2025}
}
备注
21 pages, 13 figures